.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
本文考虑了在二元值和随机扰动输出观测下的有限维线性系统的实时控制与学习问题，这些问题出现在信息产业和控制工程等各个领域。由于仅能获得二元值输出信息，传统回归向量在构造自适应算法时的精确值不可用，因此这长期以来被视为一个开放性问题。为克服这一困难，我们考虑了相应无限脉冲响应动态系统的自适应估计问题，并应用了此前未被用于自适应控制的二重数组鞅理论。这使我们能够在不依赖持久激励和系统信号有界等严苛数据条件的条件下，建立自适应预测悔恨和参数估计误差的全局收敛结果，而此类条件在几乎所有现有相关文献中均被使用。基于此，将设计一种能够有效结合自适应学习和反馈控制的自适应控制律。最终，我们能够证明对于任意给定的有界参考信号，闭环自适应控制系统是全局稳定的，且长期平均输出跟踪误差随时间趋于无穷大时趋于零。据作者所知，这可能是针对具有一般二元传感器和任意给定有界参考信号的一般线性系统的首个自适应控制结果。
Keyword:
Adaptive control
adaptive identification
binary-valued observations
convergence analysis
double-array martingales
stochastic systems
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
引用论文
Identification and adaptation with binary-valued observations under non-persistent excitation condition.png)
AUTOMATICA.png)
OAAI
AUTOMATICAIF5.9
OAAI.png){kind=icon}
分享.png){kind=icon}
收藏State Observability and Observers of Linear-Time-Invariant Systems Under Irregular Sampling and Sensor Limitations在不规则采样和传感器限制下线性时不变系统的状态可观察性和观察者
PREAI
分享收藏
查看更多内容